1.前言从七十年代开始，由于晶闸管直流调速系统的高效、无噪音和快速响应等优点而得到广泛应用。双闭环直流调速系统就是一个典型的系统，该系统一般含晶闸管可控整流主电

Matlab毕业设计—四自由度机械臂的轨迹规划研究，已获高分通过项目。 Matlab毕业设计—四自由度机械臂的轨迹规划研究要实现的功能是通过上位机实现轨迹规划功能。 系统环境为Windows 10 软件环境为Matlab、Qt5。 内容介绍 通过改进版DH法建立机械臂运动学模型 对模型进行正逆运动学分析 分析模型的工作空间 关节空间中的三次多项式和五次多项式轨迹规划 笛卡尔空间中的直线轨迹规划和圆弧轨迹规划

图像分割，简单地说就是将一幅数字图像分割成不同的区域，在同一区域内具有在一定的准则下可认为是相同的性质，如灰度，颜色，纹理等，而任何相邻区域之间其性质具有明显的区别。 基于信息熵的一类方法被广泛应用到图像分割领域，比如最大熵，最大交叉熵，最小交叉熵等。本文研究了基于Tsallis熵的多阈值图像分割算法，通过利用图像的灰度直方图信息，近似拟合灰度的概率分布函数，然后设定目标函数，目标函数最大化对应的阈值就是最佳阈值，相比传统算法，Tsallis熵的阈值分割方法，能够克服一定的噪声干扰，同时避免了单阈值的问题，能够分割多个感兴趣区域。 本文最后在matlab环境中进行真实图像的分割实验，结果表明，这种方法能够较好的克服图像细节分割不准的问题，同时能够针对多个灰度级别进行分割，大大提高分割的准确率。

通过MATLAB软件，应用粒子群对微电网进行容量优化

matlab毕业设计程序 %% TD_SCDMA的信道估计与联合检测: TD_SCDMA.m clear; clc; %************************************************************ %%仿真过程用到的变量 bit_len=88; %每个突发帧结构所包含的用户数据比特数 %TD-SCDMA每个突发帧的数据比特为704，扩频因子为16，采用QPSK调制，故用户数据比特数为704/16*2=88 N=44; %经过QPSK调制知道每个突发帧所包含的符号数 K=8; %用户个数 P=128; %基本midamble码的长度 Q=16; %扩频因子

双聚类算法是近年来提出的一种新的聚类方法,这种算法从思想上有别于传统的聚类算法,它主要强调在聚类时基因和条件聚类的同时性。 由于它具有诸多特性,它一出现就引起了各国科学研究学者的注意,并很快成为聚类领域的一个研究热点。其中Cheng and Church 算法又是其中最重要一种算法,其它算法都是从该算法演化而来。 本文在分析Cheng and Church 算法的基础上,对该算法进行了具体的实现。 同时对原算法第二阶段扩展空间过程进行了改进。改进后,在运行时间增加不多的条件下,试验的效果有了明显的提高。 本文的另一项工作是对于双聚类算法的两个重要参数进行了初步的讨论,并对如何手工设定该参数给出了具体的建议。 最后本文使用了业界两个公认的数据集进行了实际测试,并与文献的实验效果进行了对比,结果表明,改进后的算法在时间消耗增加不多的情况下,聚类结果的质量有了较大的提高,挖掘出的表达模式更好,数据具有更强的波动一致性。 管理毕业论文网www.yifanglunwen.com 音乐毕业论文www.xyclww.com；经济论文www.youzhiessay.com 英语毕业论文www.vipvo.com教育论文www.hudonglunwen.com；医学论文网www.kuailelunwen.com；

基于MATLAB的汉字识别，网络上基本多为数字识别，字母识别，比较少对于中文汉字的识别。该课题为基于MATLAB的BP神经网络的汉字识别，具有人机交互界面GUI。 二、基本流程 读入图片，灰度处理，二值化处理，BP训练，识别

将Matlab应用于化工毕业设计中的物料衡算、能量衡算、设备设计计算、选型、管道设计计算及技术经济分析,计算结果准确,加深了学生对化工基础知识和专业知识的理解,提高了学生解决复杂工程问题的能力,提升了化工毕业设计的质量。

该课题为基于kmeans的聚类分割，输入一张彩色图像，可以选择需要分割成多少类，就会以不同颜色区分不同的块，带有GUI界面，操作丰富。

基于遥感影像的地物变化检测一直是土地利用、资源普查等方面的研究热点与重点。本文基于Landsat TM影像，以某地区两期不同地区的影像为研究区域，基于主成分变换设计了一种有效的快速变化检测方法。首先，本文提取不同时期影像的多个特征，然后组合成特征向量，通过差值的方式得到两期影像的差值图，并对该差值图进行主成分分析，以第一波段为主要变化实验图，基于ostu自动阈值化，来自动获取变化图，经过实验表明，该方法简单有效，能够满足大范围变化检测的需求。